Tim peneliti saka Universitas Tel Aviv wis mbukak kode sumber sing ana gandhengane karo sistem pembelajaran mesin MDM (Motion Diffusion Model), sing ngidini ngasilake gerakan manungsa sing nyata. Kode iki ditulis ing Python nggunakake framework PyTorch lan mbagekke ing lisensi MIT. Kanggo nindakake eksperimen, sampeyan bisa nggunakake model sing wis siap lan nglatih model kasebut kanthi nggunakake skrip sing diusulake, contone, nggunakake koleksi gambar manungsa telung dimensi HumanML3D. Kanggo nglatih sistem kasebut, GPU kanthi dhukungan CUDA dibutuhake.
Panggunaan kemampuan tradisional kanggo animasi gerakan manungsa angel amarga komplikasi sing ana gandhengane karo macem-macem gerakan sing bisa ditindakake lan angel nggambarake kanthi resmi, uga sensitivitas gedhe saka persepsi manungsa marang gerakan sing ora wajar. Upaya sadurunge nggunakake model pembelajaran mesin generatif duwe masalah kualitas lan ekspresif sing winates.
Sistem sing diusulake nyoba nggunakake model difusi kanggo ngasilake gerakan, sing luwih cocok kanggo simulasi obahe manungsa, nanging ora tanpa kekurangan, kayata syarat komputasi sing dhuwur lan kerumitan kontrol. Kanggo nyilikake kekurangan model difusi, MDM nggunakake jaringan syaraf trafo lan prediksi sampel tinimbang prediksi swara ing saben tahap, supaya luwih gampang kanggo nyegah anomali kayata ilang kontak permukaan karo sikil.
Kanggo ngontrol generasi, sampeyan bisa nggunakake deskripsi teks saka tumindak ing basa alam (contone, "wong mlaku maju lan mbengkongaken mudhun kanggo njupuk soko munggah saka lemah") utawa nggunakake tumindak standar kayata "mlaku" lan " mlumpat.β Sistem kasebut uga bisa digunakake kanggo ngowahi gerakan lan ngisi rincian sing ilang. Peneliti nindakake tes ing ngendi para peserta dijaluk milih asil sing luwih apik saka sawetara opsi - ing 42% kasus, wong luwih seneng gerakan sing disintesis tinimbang sing nyata.
Source: opennet.ru